知鸦日报2022-07-13

市场细分作为企业营销管理中的重要一环，受到众多因素的影响。

一个成功有效的市场细分，能够促进企业抓住市场机会，从而促进企业的发展。

但如何进行有效的市场细分，企业需要根据自身情况、行业动态、差异性等因素综合考虑，并采取相应的策略。

安索夫矩阵也称之为产品/市场方格，是由策略管理之父安索夫博士于1957年提出，半个多世纪过去了，仍然是应用最广泛的营销分析工具之一。

掌握安索夫矩阵对于一名咨询顾问来说尤为重要，能够通过四种不同的成长性策略为企业管理出谋划策。

Don’t start building any solution before making sure you achieved Problem-Solution Fit.

Translate problems into solutions that will be adopted.

营销仅仅是推广和销售吗？随着数字化时代的到来，市场环境的变迁和消费者群体的更替，我们又该如何理解变化中的市场，如何理解年轻一代，如何迎接这个时代的营销变化，抓住时代的机遇呢？

On May 11th, 2022, Airbnb announced a redesign that, according to CEO Brian Chesky, was the app’s “biggest change in a decade”.

It was met with mixed emotions: some people loved it while others didn’t even understand what changed.

I’m a believer.

Designers are comfortable understanding how design decisions impact user behavior.

In this particular case, what fascinates me is how seemingly small design changes have the potential to deeply impact a business and likely the travel industry as a whole.

A careful look at it can let us understand how and will make us more empowered designers. Let’s break it down.

分享 GPU 容器虚拟化在复杂AI场景中的解决方案和厂内的最佳实践。

GraphInsight 究竟能处理多大规模的关系数据？这是新品发布后，遇到的最多的问题。我想大家如此关注图规模的大小，本质是因为现阶段 GraphInsight 本身不处理图数据，数据处理的工作交给了用户去做。一个本地文件，可以是零星的几个节点，也可以是一个上万的团伙网络，随着数据规模的扩大，也面临着性能，展示交互，探索分析等诸多问题。

在反作弊场景中，黑产必须通过文本进行信息传递或触达受害者，而文本由于其生产成本低廉、传递信息能力强的特点成为了黑产与我们进行对抗的主要战场。文本理解算法为应对各类强对抗提供了文本检索、文本风险标签、风险信息提取的能力，以及一个文本模型训练平台。这些能力的组合使用可有效打击文本内容维度的作弊行为，现已在反作弊的各业务场景中得到应用。

跨领域推荐（cross-domain recommendation, CDR）关注如何充分利用源领域（source domain）的信息辅助目标领域（target domain）的推荐效果。真实推荐系统中常常能遇到需要跨领域推荐的场景（且目标领域往往只拥有极稀疏的用户行为），然而已有CDR模型往往关注于排序模块，缺少对于召回模块（matching）的设计。召回中的跨领域推荐在领域内表示学习和领域间知识迁移时都面临着严重的数据稀疏（data sparsity）和流行度偏差（popularity bias）问题。

在这篇工作中，我们针对召回中的跨领域推荐问题，提出了一个基于对比学习的跨领域推荐模型（Contrastive Cross-Domain Recommendation，CCDR）。具体地，我们首先在每个领域建立一个全局异质的多样化偏好网络（diversified preference network），通过异质节点用户、物品、标签、分类、文字、公众号之间丰富的交互，引入额外的多样化用户偏好信息，然后，我们使用单领域图神经网络得到各领域下异质节点的表示向量。

我们创新性地提出并联合应用两种对比学习——领域内对比学习（intra-domain contrastive learning, intra-CL）和领域间对比学习（inter-domain contrastive learning, inter-CL）。领域内对比学习通过图增广加强稀疏目标领域内的节点表示学习，而领域间对比学习构建了三种不同的跨领域知识迁移桥梁，加强了不同领域间的用户偏好对齐。

我们在看一看推荐系统的不同跨领域推荐场景上进行了丰富的实验，CCDR模型在离线和线上实验中均获得显著提升效果。目前，CCDR模型已经部署于看一看推荐系统，服务千万用户。

本文介绍在数字化零售场景下，TiDB 在多点的使用情况、核心业务场景支撑、价值分析、及经验总结。

这里所说的状态机，全名为确定性有穷状态自动机，也常被简称为有穷自动机，简写FSM。在软件领域中，被广泛应用，如编译，正则表达式识别，游戏开发。状态机维护一组状态集合，和事件集合，能够对特定的事件输入，作出状态流转，并执行相应的动作。

Notoriously tough to build, undo/redo in a multiplayer environment is even more fraught with difficulty. In this article, we will take you on a behind-the-scenes exclusive, explaining one of the most complex developer issues for multiplayer apps.

Smoothly rendering live cursors is more difficult than it sounds when real‑world conditions are taken into account—here’s a quick introduction to a few different methods, plus some React snippets.

在目前的前端领域，关于页面配置、可视化等更加复杂的能力，已有更丰富和更全面的实现。比如我们前端团队的无相应用早已实现整个表单页的配置化能力。而本文展示的表单块的代码配置化能力接入较为轻量、内容上更容易理解。

本文重点介绍了百度APP大块内存监控方案，尤其是线上生产环境需要重点考虑稳定性，且不能引入额外的性能问题，我们在方面做了一些技术探索解决了此类难题，最后实现线上和线下流水线相结合对大块内存的监控。

tl;dr: Event Sourcing is to data what Git is to code. We’ve implemented a minimal event sourcing framework at Kickstarter to power d.rip. It’s simple and it has made our life so much better!

max_allowed_packet 表示 MySQL Server 或者客户端接收的 packet 的最大大小，packet 即数据包，MySQL Server 和客户端上都有这个限制。

文本的目的是提供一种可灰度、回滚的设计思路，实现稳定的架构升级。

管理者应该避免陷入运营者思维。

管理者应该重点发展自己的战略思维。

如何追踪团队成员工作表现？

虽然会哭的孩子有糖吃，但也应该关注埋头工作并创造成果的高绩效工作者。

战略再高明、组织设计再好、资源再充分，也需要优秀的团队来执行。